哈佛商业评论

决策工厂的生产力

在任何行业中，生产效率都由两个关键因素决定：一是工作任务结构，二是企业总结历史经验教训的能力。这两个因素相关性极高：管理者能否从工作中学到东西，很大程度上取决于任务结构。在决策工厂中，如果任务结构不适应工作实际需要，任务分配都将是低效的。人就是人，这种错配会降低知识分享的积极性，原因如下。

任务结构。在决策工厂中，每个职位都是一个劳动单元，这和实体工厂的情况类似。实体工厂管理者为每个岗位设置一项常规且重复性的任务，根据需要多大产出，估算出需要多少岗位。当然，产出并非一成不变，管理者可以根据产出的预期浮动范围制定规划。工作量不一定完全平均分配，但工厂的总产出保持稳定，这是任务结构的前提。

决策工厂的职位设置建立在相同的前提上。例如我们默认，营销副总裁每天要生产出一定量的“产品”，体现在其职位描述中就是，营销副总裁的基本职责包括品牌推广、产品促销、市场调查等。按照这种描述，他似乎日复一日、周复一周、月复一月履行相同的职责。但现实中是否如此？

决策工厂和实体工厂的相似性到此为止，因为知识型员工的工作方式并非日复一日的重复，而是以项目为单位。因此决策工厂员工的工作强度的波动性很大。比如，企业推出重要的新产品，或竞争对手出招时，营销副总裁会比较忙；如果两件事情赶在一起，他会非常忙。但在其他时段，他没有太多决策要作，也许除了查邮件外无事可做。但公司不会建议他休假，更不会停发他的薪水。

正是对知识型员工的这种管理方式，致使企业频繁陷入先雇人又裁人的循环。如果所有员工职责都固定不变，企业将很难依照业务繁忙程度调配人力。于是人力资源部门只得设计新职位，再写一份职位描述，然后或者内部调岗，或者外部招聘。所有管理者都希望在业务繁忙时为自己的部门补充人手，积少成多，导致整个决策工厂产能严重过剩。这就是为什么当代企业一直受困于决策工厂的效率难题。

知识型员工绝不会自找麻烦，跑到老板那里汇报自己有“闲置产能”。如果这么做，最好的情况是会被评价为“工作清闲，产出不足”，最坏的结果是被裁掉。因此，至少表面上保持忙碌对知识型员工是有好处的。报告、备忘录、咨询、新方案……没有活也要编出活。拜这种生存之道所赐，决定生产率的第二个重要因素，即组织内的知识共享，就被扭曲了。

知识。我在《商业设计》（The Design of Business）一书中描述了企业获取知识的三个阶段。生产线刚开始运行、新服务刚开张之际，企业仿佛面对着一个巨大谜团。英特尔1983年建立第一个微处理器芯片制造厂，如何设计生产流程？迪士尼公司1955年在加利福尼亚州阿纳海姆开设第一座主题公园，如何解决排队问题？这些先行者的实验必然漏洞百出、效率低下。

一段时间后，经过大量实践，企业将有所领悟，并据此设计新流程。英特尔此后设立的一批制造厂，因为有首家工厂的元老参与，所以设计生产流程不再是碰运气；依靠在阿纳海姆获得的经验，迪士尼在佛罗里达州奥兰多成功开设了拥有四座主题公园的迪士尼乐园。

在实体工厂中，知识进步不会就此止步。为确保成功，大型制造企业或服务企业会将实践智慧规定为全体员工必须遵循的法则。操作手册取代了经验丰富的老师傅。只要遵守规则，即便是缺乏经验的管理者也能完成任务。麦当劳、富国银行和联邦快递的成功皆可归因于这种知识共享的文化。在这些企业持续追求进步的过程中，现有法则还在不断完善。

然而在决策工厂中，知识进步很难超越第二个阶段：经验和判断力仍是高效决策的先决条件。当然，这很大程度上是因为决策工厂对专业知识和思维能力要求更高。很多时候管理者要在没有先例可循的情况下作出决策，这使企业回到了知识进步的初始阶段。例如，一家对发展中国家市场毫无经验的企业，该如何进军尼日利亚？对下一个市场又该采用何种进入战略？即使尝试过十个国家，企业仍可能毫无头绪，更谈不上建立法则。

然而决策工厂知识进步受阻的另一个重要原因是，其任务结构本身存在缺陷。如果有经验的知识型员工从自己的独门绝技中提炼出普遍适用的法则，这等于邀请管理层用经验不足、更廉价的劳动力替代他们。这就是为什么老资格员工往往不愿为新手传道授业：他们显然有更需要操心的事情。

当然，蓝领世界中也存在此类游戏规则；不同的是，通过直接观察劳动过程，管理者就可以在实体工厂中实现知识进步。自弗雷德里克·泰勒的科学管理之后，体力劳动者明白，为实现效率最大化，管理者正仔细观察他们的一举一动。然而这对知识型员工却行不通：他们的工作只在大脑中进行。

企业管理者感到他们并不需要这么多知识工人，却找不出冗员的原因。当企业面临销售业绩下滑等短期困难时，管理者常常盲目裁掉一部分知识型员工，认为这能在不损害企业经营的前提下改善冗员状况。

管理成本高昂的决策工厂还有更好的方法。这种新方法有两个核心特征：其一，采纳了成功专业服务公司的人力资源管理方法；其二，引入了全球最优秀制造企业的知识进步理念。